26届后端java-上海游族网络实习一面面经

1.拷打项目2.concurrenthashmap,在jdk1.7和1.8的实现方式3.websocket4..分布式锁（摊牌没遇到过，答的lua脚本）5.并发编程6. ai coding相关思考反问：业务和base主要是拷打项目，40分钟后续：3.24二面

对于现在入门AI，我觉得当务之急不是读一个AI相关专业的硕士，也不是学python，而是做一个AI相关的项目，在传统项目中应用AI，在干中学。毕竟咱们很多人都是有 Java、C++ 这些后端底子的，与其从零开始啃 Python 语法，不如直接把 AI 当成一个 “插件”，嵌到自己熟悉的项目里。比如你之前做过电商库存管理系统，就可以加个 AI 库存预测模块 —— 调用大模型 API 分析历史销售数据，生成补货建议；或者给你写的用户管理系统加个智能客服功能，用 RAG 对接本地知识库，自动回复用户的常见问题。这样做的好处是，不用陷入 “学了一堆理论却不知道怎么用” 的困境。你不用一开始就搞懂 Transformer 的底层原理，也不用死磕向量数据库的索引机制，先让 AI 功能跑起来再说。遇到调用 API 报错，就去查文档；遇到检索结果不准，就去调参优化 —— 这些问题都是带着明确目标去解决的，比抱着 Python 教程硬啃要高效得多。而且在传统项目里嵌 AI，更容易找到成就感。比如你花两天时间给自己的博客加个 AI 摘要生成功能，看到文章自动变成精简版的那一刻，那种满足感会逼着你继续深挖。反观那些一上来就想着做 “大模型训练”“自动驾驶” 的人，往往会被复杂的环境配置、海量的数据需求劝退。当然，这不是说 Python 和理论知识不重要，而是说项目驱动的学习才是入门的捷径。等你在项目里摸透了大模型 API 调用、RAG 搭建这些基础操作，再去补 Python 的高级用法、去理解 Embedding 向量的生成逻辑，就会发现这些知识都能和实践对应上，学起来一点都不费劲。毕竟对程序员来说，最好的学习方式从来都是 “干中学”—— 先动手做出东西，再回头补全知识体系。AI 入门也一样，别想着一步到位，先从给老项目加个 AI 小功能开始，你会发现这条路其实没那么难。

第一次写，用的java，第一题被卡IO，第二题被卡IO。。。。。。这java答题还有人样吗

时间：3月17日时长：35min1.自我介绍2.介绍一下做过的一些功能测试3.介绍在实习中的测试流程4.在需求分析阶段，测试除了理解业务，还需要做哪些相关的事情5.技术评审阶段，测试应该主要关注哪些内容6.实际过程中如何执行测试用例7.印象深刻的bug8.遇到过线上bug吗？9.如何规避这种问题呢？10.对接口测试的了解程度11.公司里的接口自动化框架的结构12.http和https的区别13.了解过webSocket协议吗？14.get和post的区别？常用的地方15.还做过其他自动化吗？16.说说项目的性能测试17.兼容性测试18.跑的过程中除了关注错误率以外，还有哪些指标19.测试LOL ez的技能测试用例20.职业规划21.有了解ai对测试行业的影响吗22.反问后续：挂